Seputar Aceh – GitHub Copilot baru saja meluncurkan model pengkodean open-weight pertamanya, Kimi K2.7. Model ini tidak datang dari Silicon Valley, melainkan dari Moonshot AI, yang berbasis di Beijing.
Sebagaimana dilaporkan oleh tech-insider.org, pada 1 Juli 2026, GitHub mengumumkan bahwa Kimi K2.7 Code tersedia secara umum di dalam pemilih model Copilot. Model ini ditawarkan kepada pelanggan Pro, Pro+, dan Max dengan harga $0,95 per satu juta token input, jauh lebih murah dibandingkan dengan biaya yang dikenakan oleh model lain seperti Claude Opus 4.8 atau GPT-5.5.
Kimi K2.7 Code: Inovasi dalam Open-Weight
Kimi K2.7 Code adalah model pertama yang dibangun oleh laboratorium berbasis di China yang masuk ke dalam Copilot. Model ini hadir hanya 19 hari setelah Moonshot AI menerbitkan bobotnya di Hugging Face di bawah lisensi yang permisif.
Peluncuran ini sangat penting bagi pengembang di Irlandia dan seluruh Uni Eropa yang sudah memantau sistem kredit AI berbasis penggunaan Copilot. Kombinasi antara bobot terbuka dan biaya rendah ini dapat mengubah keputusan pengembang saat memilih model untuk sesi pengkodean rutin mereka.
Fitur Kimi K2.7 Code
GitHub mengonfirmasi perubahan ini dalam catatan perubahan resminya, menyatakan bahwa Kimi K2.7 Code adalah “model open-weight pertama yang ditawarkan sebagai opsi yang dapat dipilih dalam pemilih model Copilot.” Peluncuran ini dimulai dengan pelanggan Copilot Pro, Pro+, dan Max pada 1 Juli, memberikan akses lebih awal kepada pengembang individu dan tim kecil.
Hasil pengujian awal menunjukkan bahwa Kimi K2.7 menawarkan opsi dengan biaya lebih rendah dan kinerja yang sebanding dengan model frontier yang populer. Moonshot AI menerbitkan bobot Kimi K2.7 Code pada 12 Juni 2026, di bawah lisensi MIT yang dimodifikasi.
Analisis Kimi K2.7 Code
Kimi K2.7 Code dirancang sebagai model Mixture-of-Experts, dengan total sekitar 1 triliun parameter, meskipun hanya sekitar 32 miliar yang aktif per permintaan. Pilihan arsitektur ini memungkinkan Moonshot AI menawarkan kemampuan skala frontier dengan biaya inferensi yang jauh lebih rendah dibandingkan dengan model padat dengan ukuran serupa.
Spesifikasi model dari Moonshot AI mencantumkan jendela konteks 256K-token, cukup untuk memuat sejumlah file dari basis kode berukuran menengah dalam satu permintaan. Ini menunjukkan potensi Kimi K2.7 dalam menangani proyek pengkodean yang lebih besar dengan efisiensi biaya yang lebih baik.
Peluang dan Tantangan di Depan
Peluncuran Kimi K2.7 Code menandai langkah penting dalam pengembangan AI untuk pengkodean. Dengan biaya yang jauh lebih rendah dan aksesibilitas yang lebih baik, model ini berpotensi mengubah cara pengembang memilih alat untuk meningkatkan produktivitas. Selain itu, kombinasi antara teknologi open-weight dengan penghematan biaya dapat menarik lebih banyak pengembang untuk menggunakan GitHub Copilot.
Namun, tantangan tetap ada, terutama dalam hal keandalan dan dukungan komunitas. Pengembang harus terus memantau kinerja model ini dalam lingkungan pengkodean nyata untuk memastikan bahwa keuntungannya dapat direalisasikan secara maksimal.
